CN113207085A - 一种mec辅助的车队网络的速度自适应接入方法 - Google Patents
一种mec辅助的车队网络的速度自适应接入方法 Download PDFInfo
- Publication number
- CN113207085A CN113207085A CN202110422957.5A CN202110422957A CN113207085A CN 113207085 A CN113207085 A CN 113207085A CN 202110422957 A CN202110422957 A CN 202110422957A CN 113207085 A CN113207085 A CN 113207085A
- Authority
- CN
- China
- Prior art keywords
- vehicles
- vehicle
- network
- average
- lane
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/025—Services making use of location information using location based information parameters
- H04W4/027—Services making use of location information using location based information parameters using movement velocity, acceleration information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种MEC辅助的车队网络的速度自适应接入方法,首先,定义公平性指数衡量不同速度车辆通信的公平性,并得出公平性指数与车辆速度以及车辆在有数据包发送的情况下最小竞争窗口之间关系;其次,利用随机混合系统推导基站覆盖范围内一条通信链路的信息年龄及在饱和条件下网络的平均信息年龄的闭式解;然后,定义每条通信链路的平均退避率和平均服务率,并提出无冲突传输理论;确定基站覆盖范围内的平均车辆数目;最后,通过构建多目标方程,获取最优的不同速度车辆最小竞争窗口大小。本发明计算简便,且在保证不同速度的车辆发送的数据量尽可能相等的同时,使得网络的平均信息年龄与使用标准的IEEE 802.11协议情况下的网络的平均信息年龄几乎相同。
Description
技术领域
本发明属于车载任务卸载技术领域,具体涉及一种MEC辅助的车队网络的速度自适应接入方法。
背景技术
自动驾驶技术已成为近年来热门的研究主题之一,与传统的汽车相比,自动驾驶汽车可以提高道路的安全性,减少交通事故的发生,以及提高用户的驾驶体验。编队策略是自动驾驶重要的管理策略,自动驾驶汽车采用编队策略在同一车道上形成车队,每个车队由头车和成员车辆组成,头车控制整个车队的动力学因素(行驶方向、速度、加速度等),后面的成员车辆以相同的速度和车间距离一个接一个地跟随头车行驶。
为了感知周围环境,车队中的自动驾驶汽车通常都配备了各种车载传感器,来收集道路的环境信息。与传统传感器不同,车载传感器会产生大量的数据,如LiDAR能够以10-100Mb/s的速率生成高清地图。庞大的环境数据通常是冗余的,需要提取有用信息。但是,自动驾驶汽车的存储,计算和分析能力是有限的。为了解决这个问题,自动驾驶汽车可以通过车辆到基础设施(Vehicle to Infrastructure,V2I)通信,即车队中的车辆采用IEEE802.11分布式协调机制(Distributed Coordination Function,DCF)访问基站。将大量的数据传输到基站,上传到云平台,云平台利用其强大的计算和存储能力提取有用信息,然后将其发送回自动驾驶汽车。通过V2I通信的方式,自动驾驶汽车可以感知紧急情况并及时的做出决策。
由于车队的独特特性,同一车道上的车辆具有相同的行驶速度,而不同车道上行驶的车辆具有不同的行驶速度,当车辆采用IEEE 802.11DCF机制和基站通信时,速度快的车辆比速度慢的车辆行驶在基站的覆盖范围内的时间少,从而使得速度快的车辆比速度慢的车辆向基站发送的数据量少,这就在V2I通信中产生了不公平接入的问题,这会造成不同速度的车辆接收到的有用信息量不同,导致具有较高速度的车辆更容易发生交通事故,因此非常有必要设计一种接入方案解决访问不公平的问题。同时,信息年龄(Age ofInformation,AoI)在通信中是一个重要性能指标。年龄与传统的时延和吞吐量指标不同,其代表了数据的新鲜程度,即数据从产生到被接收端成功接收所耗费的时间,这种实时状态更新的目标是确保在接收端尽可能及时地掌握相关环境信息的最新数据。而当数据的信息年龄较高时,尽管车辆发送的数据量可能会很高,但是数据可能会比较老旧,即很长时间以前的数据,经过云平台处理,车辆收到的可能是老旧的信息,从而导致网络中的车辆做出错误的决策,发生交通事故。因此在设计方案解决不公平接入问题的同时,应该保证信息年龄满足网络中的通信需求。
通过同时权衡公平性和年龄指标来调整具有不同速度车辆的IEEE 802.11DCF机制中的最小竞争窗口,使得具有不同速度的车辆向基站发送的数据量尽量相等的同时,网络中的信息年龄也能够满足通信需求。对于公平性和年龄共同考虑的问题,在车辆网络中至今还没有被解决。本发明充分多目标决策来权衡了公平性指标与年龄指标,建立了合理的通信模型,并取得了不同速度车辆最优的最小竞争窗口值。
发明内容
发明目的:本发明针对高速公路车队场景中不同速度的车辆在基站覆盖范围内向基站发送的数据量的公平性和网络的平均信息年龄考虑不全面等问题,提出一种MEC辅助的车队网络的速度自适应接入方法,保证不同速度的车辆发送的数据量尽可能相等的同时,使得网络的平均信息年龄与使用标准的IEEE 802.11协议情况下的网络的平均信息年龄几乎相同。
技术方案:本发明所述的一种MEC辅助的车队网络的速度自适应接入方法,包括以下步骤:
(1)定义公平性指数衡量不同速度车辆通信的公平性,并得出公平性指数与车辆速度以及车辆在有数据包发送的情况下最小竞争窗口之间关系;
(2)利用随机混合系统推导基站覆盖范围内一条通信链路k的信息年龄及在饱和条件下网络的平均信息年龄的闭式解;
(3)定义每条通信链路k的平均退避率Rk和平均服务率Hk,并提出无冲突传输理论;
(4)确定基站覆盖范围内的平均车辆数目Nv;
(5)通过构建多目标方程,根据多目标粒子群优化算法获取最优的不同速度车辆最小竞争窗口大小。
进一步地,步骤(1)所述的公平性指数为:
进一步地,步骤(2)所述的网络中一条通信链路k的平均信息年龄的闭式解表示如下:
进一步地,步骤(2)所述的饱和条件下网络的平均信息年龄的闭式解表示如下:
其中,Nv为基站覆盖范围内的平均车辆数目;ni为第i个车道上的平均车辆数目;Ri为第i个车道上车辆的平均退避率,表示为Hi为第i个车道上车辆的平均服务率,由一个数据包的平均成功传输时间决定;为归一化因子,其中Rk和Hk分别表示了第k条通信链路的平均退避率和平均服务率。
进一步地,步骤(3)所述的每条通信链路k的平均退避率Rk和平均服务率Hk为:
其中,Ts为一个数据包成功传输的平均时间,为定值。
进一步地,步骤(3)所述的无冲突传输理论为:
对于无冲突传输理论,数据无碰撞是指当碰撞概率小于一定的上限pUB时,认为车辆发送数据包时几乎不会发生碰撞,碰撞概率的表述如下:
其中,pi是第i个车道上车辆发送数据包产生碰撞的概率;ni为第i个车道上网络中的车辆数目;τi是第i个车道上车辆发送数据包的概率,N为车道的数量;nj为第j个车道上网络中的车辆数目;τj是第j个车道上车辆发送数据包的概率。
进一步地,步骤(4)所述的网络中的平均车辆数目Nv为:
其中,mi为第i个车道上完整的车队数目;np为一个车队中的平均车辆数目;为第i个车道上完整车队的车队间隔;s为平均的车辆长度;vi、和分别为第i个车道上车辆速度、队内间距和队间间距;Th为车头时距;r0为网络中允许的最小队内间距;v0为网络中车辆速度的最小值。
进一步地,步骤(5)所述的多目标方程为:
S.t
v′0≤vi≤v0
粒子的速度与位置分别遵循以下更新公式:
其中,为帕累托解集中第m个非劣解的粒子速度新值;ω为惯性因子;为帕累托解集中第m个非劣解的粒子速度旧值;c1和c2分别为局部速度因子和全局速度因子;为第m个非劣解的个体最优解;为第m个非劣解的全局最优解;和分别为第m个非劣解的新旧位置;经过c次迭代寻优后,可以得到最优的最小竞争窗口。
有益效果:与现有技术相比,本发明的有益效果:本发明采用IEEE 802.11DCF协议传输数据包,同时考虑车辆通信的公平性和数据包的老化程度等多指标;另外,本发明推导了饱和条件下链路年龄的闭式解;最后根据速度动态调整车道上车辆的最小竞争窗口,保证整个网络的平均信息年龄同标准的802.11下的平均信息年龄几乎相等的同时使得车道上速度不相同的车辆可以公平的访问基站;本发明计算复杂度低,系统模型简单合理,充分考虑了通信的公平性和数据包的老化程度;仿真结果表明,在保证整个网络的平均信息年龄同标准的802.11下的平均信息年龄几乎相等的同时使得车道上速度不相同的车辆可以公平的访问基站。
附图说明
图1为MEC辅助的车队网络系统模型图;
图2为SHS马尔可夫链的状态转移示例图;
图3为在不同的车队到达率下,不同车道上车辆的公平性指数在不同行驶速度下的对比图;
图4为在不同的车队到达率下,通过多目标粒子群算法得到的在不同行驶速度下,车辆最优的最小竞争窗口值;
图5为在不同的车队到达率下,本发明使用的最优的最小竞争窗口同802.11标准所使用的最小竞争窗口时网络平均信息年龄的对比图;
图6为经过算法迭代拟合得到的帕累托非劣解曲面图。
具体实施方式
下面结合说明书附图对本发明作进一步详细说明。
本发明提供一种MEC辅助的车队网络的速度自适应接入方法,具体步骤如下:
步骤(1):定义公平性指数衡量不同速度车辆通信的公平性,并得出公平性指数与车辆速度以及车辆在总是有数据包发送的情况下最小竞争窗口之间关系。
如图1所示,构建MEC辅助的车队网络系统,基站的覆盖范围为R,且基站处配备了强大的边缘服务器。车队直线行驶在具有N个车道的高速公路上,每个车道上由多个完整车队和一个不完整车队组成,每个车队都由头车与成员车组成。同一条车道上具有相同的队内间距和队间间距,并且两个连续的车队头车之间的距离为一个车队间隔。
在不同车道上,要实现公平接入,需要保证不同速度的车辆在网络的行驶过程中向基站发送的数据量相同,这样可以得出:
其中,S是网络的标准化吞吐量;Cbit是信道的比特率;Nbit是数据包的平均位数;τi是第i个车道上车辆发送数据包的概率:为第i个车道上车辆的最小竞争窗口的大小;τj是第j个车道上车辆发送数据包的概率。因为S、Cbit、Nbit、R和C均为常数,因此得到公平性指数:
对上述表达式右边的车辆速度与竞争窗口大小取平均,可以得到整个网络平均的公平性指数为:
步骤2:利用随机混合系统(Stochastic Hybrid System,SHS)推导基站覆盖范围内一条通信链路k的信息年龄及在饱和条件下网络的平均信息年龄的闭式解。
SHS方法通过状态集(q(t),x(t))来对系统建模,其中q(t)∈Q={0,1,2,...Nv}是一个离散的马尔可夫过程,表示系统状态的演化,其每一个值分别代表了马尔可夫链的每一个状态,状态与状态之间的转移l∈L是一条转移率为的有向边,函数用来保证只有在状态等于ql时转移才发生,因此定义每一个状态的输入集合与输出集合为:
L′q={l∈L:q′l=q},Lq={l∈L:ql=q}
其中,x2k(t)是第k+1条链路在接收端数据包的年龄,x2k+1(t)是当前网络中第k+1条链路在发送端数据包的年龄,其中k∈{0,1,...Nv-1}。
在SHS系统中离散状态间的转移会导致连续过程的复位映射,即当离散过程q(t)从ql状态转移q′l状态时,连续过程x(t)的转移可能是不连续。所以定义矩阵作为转移重置图,则x'=x·Al。每一个状态q(t)处的年龄演化遵循微分方程其中因为每条链路考虑了一个二维的年龄演化过程,所以bq为二元向量。当系统在状态q(t)处的年龄xk(t)以单位速率递增时,当系统在状态q(t)的年龄xk(t)保持不变时,因为在基站接收处每条链路的年龄总是随着时间的流逝而线性递增,所以对于任意的状态q(t)与链路,b2k=1。并且在马氏链q(t)是遍历的条件下,可以得到以下关系式:
综上所述,车辆通信网络中一条通信链路k的平均信息年龄的表达式为:
推导在饱和条件下车辆网络的平均信息年龄的闭式解。本发明考虑了一个二维的年龄演变进程,而且任意一条链路年龄的演进在接收端总是以单位速率递增的,而且当链路k开始捕获到信道时,车辆会立刻采样,并产生状态更新包裹,由于采样时间远远小于数据包的传输时间,因此忽略不记,并且因为共享一个信道,除q=k外,信道中没有其他链路的数据包,所以仅当q=k时,x2k+1(t)才以单位速率递增,所以年龄过程演进的微分方程定义为:
对于q≠0时,马氏链的每个状态的转移率包含了转移到该状态的平均退避率Rq和转移出该状态的平均服务率Hq。至此对于q=0时和q≠0时可以得到以下相关性系数方程组:
其中,Nv为基站覆盖范围内的平均车辆数目;ni为第i个车道上的平均车辆数目;Ri为第i个车道上车辆的平均退避率,可以表示为Hi为第i个车道上车辆的平均服务率,由一个数据包的平均成功传输时间决定;为归一化因子,其中Rk和Hk分别表示了第k条通信链路的平均退避率和平均服务率。
对所有的链路k求和取平均可以得到网络的平均信息年龄,表示如下:
步骤3:定义了每条通信链路k的平均退避率Rk和平均服务率Hk,并提出无冲突传输理论。
本发明对于不同车道上车辆平均退避率Ri和平均服务率Hi的具体表达式分别如下:
其中,Ts为一个数据包成功传输的平均时间,为定值。
对于无冲突传输理论,数据无碰撞是指当碰撞概率小于一定的上限pUB时,可以认为车辆发送数据包时几乎不会发生碰撞,其中碰撞概率的表述如下:
其中,pi是第i个车道上车辆发送数据包产生碰撞的概率;ni为第i个车道上网络中的车辆数目;τi是第i个车道上车辆发送数据包的概率,N为车道的数量;nj为第j个车道上网络中的车辆数目;τj是第j个车道上车辆发送数据包的概率。
步骤4:确定基站覆盖范围内的平均车辆数目Nv。
Nv由每个车道i上的车辆总数ni组成,表达式如下:
1)完整车队中的车辆数目
由于每个车队的车辆数目相互独立,且在范围[a,b]上服从均匀分布,因此每个车队的平均车辆数目为np=(a+b)/2,故可以得出
因为完整的车队个数必须为整数,故可由覆盖范围R与两个连续的车队头车之间的距离的比值向下取整得到,而两个连续车队头车之间的距离可以记为其中为前一个车队的尾车与下一个车队的头车之间的距离,车队平均长度可由np个车辆的平均长度和(np-1)个队内间距组成,即:
从而可以得出完整车队的车辆总数为:
2)不完整车队中的车辆数目
信号收发器安装在每个车辆的主轴箱上,一旦车辆的主轴箱进入基站覆盖范围,车辆便与基站进行通信,这样不完整车队中的车辆数目可以计算为:
其中,vi为车道i上的车辆速度;Th为车头时距;r0为网络中允许的最小队内间距;v0为网络中车辆速度的最小值。
因此可以得出第i个车道上两个连续车队的到达率为:
至此可以得到队间距离的表达式为:
综上所述,可以得到二者的表达式为:
步骤5:通过构建多目标方程,根据多目标粒子群优化算法获取最优的不同速度车辆最小竞争窗口大小。
根据多目标粒子群优化算法获取最优的车辆最小竞争窗口大小。本发明通过构建多目标方程求解帕累托最优解集,通过设置一定的公平指数允许误差Kbound求解出帕累托解集中使得年龄最小的最优的最小竞争窗口值,多目标方程定义如下:
S.t
v′0≤vi≤v0
粒子的速度与位置分别遵循以下更新公式:
其中,为帕累托解集中第m个非劣解的粒子速度新值;ω为惯性因子;为帕累托解集中第m个非劣解的粒子速度旧值;c1和c2分别为局部速度因子和全局速度因子;为第m个非劣解的个体最优解;为第m个非劣解的全局最优解;和分别为第m个非劣解的新旧位置。经过c次迭代寻优后,可以得到最优的最小竞争窗口。
图2给出了一个简单的状态转移示例,示例中当前状态为0时,表示信道空闲,没有发生信道捕获,如果当前状态为1,n1,…,k,…,Nv表示相应的链路捕获了信道,其中每条链路的平均退避率Rk和平均服务率Hk,如图2所示。图3验证了在不同的车道到达率下,不同车道上,不同速度的车辆随着速度的变化动态的调整各自的最小竞争窗口值。图4和图5验证了不同的车队到达率下,本发明自适应接入方案在保证整个网络的平均信息年龄同标准的IEEE 802.11下的平均信息年龄几乎相等的同时使得车道上速度不相同的车辆可以公平的访问基站,即本发明方案的可行性。图6验证了在车道上车辆行驶的平均速度为24.5m/s时经过算法迭代所拟合出的帕累托曲面,图中圆圈表示算法求解所得到的最优解。
上述实施例仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和等同替换,这些对本发明权利要求进行改进和等同替换后的技术方案,均落入本发明的保护范围。
Claims (8)
1.一种MEC辅助的车队网络的速度自适应接入方法,其特征在于,包括以下步骤:
(1)定义公平性指数衡量不同速度车辆通信的公平性,并得出公平性指数与车辆速度以及车辆在有数据包发送的情况下最小竞争窗口之间关系;
(2)利用随机混合系统推导基站覆盖范围内一条通信链路k的信息年龄及在饱和条件下网络的平均信息年龄的闭式解;
(3)定义每条通信链路k的平均退避率Rk和平均服务率Hk,并提出无冲突传输理论;
(4)确定基站覆盖范围内的平均车辆数目Nv;
(5)通过构建多目标方程,根据多目标粒子群优化算法获取最优的不同速度车辆最小竞争窗口大小。
8.根据权利要求1所述的MEC辅助的车队网络的速度自适应接入方法,其特征在于,步骤(5)所述的多目标方程为:
S.t
v’0≤vi≤v0
粒子的速度与位置分别遵循以下更新公式:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110422957.5A CN113207085B (zh) | 2021-04-20 | 2021-04-20 | 一种mec辅助的车队网络的速度自适应接入方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110422957.5A CN113207085B (zh) | 2021-04-20 | 2021-04-20 | 一种mec辅助的车队网络的速度自适应接入方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113207085A true CN113207085A (zh) | 2021-08-03 |
CN113207085B CN113207085B (zh) | 2022-01-28 |
Family
ID=77027328
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110422957.5A Active CN113207085B (zh) | 2021-04-20 | 2021-04-20 | 一种mec辅助的车队网络的速度自适应接入方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113207085B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113891287A (zh) * | 2021-10-14 | 2022-01-04 | 江南大学 | 保证车联网中车辆信息年龄公平性的v2i接入方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102387603A (zh) * | 2011-11-30 | 2012-03-21 | 电子科技大学 | 一种无线竞争接入退避方法 |
US20140297182A1 (en) * | 2013-03-29 | 2014-10-02 | Modular Mining Systems, Inc. | Contention avoidance |
CN105611570A (zh) * | 2015-12-20 | 2016-05-25 | 华南理工大学 | 基于信道状态判断的车载自组织网mac层退避方法 |
CN108934081A (zh) * | 2018-06-15 | 2018-12-04 | 扬州大学 | 一种无线车载网信道接入方法 |
WO2019236714A1 (en) * | 2018-06-08 | 2019-12-12 | Intel Corporation | Management of preferred channel allocations between wireless communication bands |
CN110647382A (zh) * | 2019-09-19 | 2020-01-03 | 中国科学院计算技术研究所 | 一种车联网服务动态迁移方法 |
CN110691349A (zh) * | 2018-07-04 | 2020-01-14 | 青岛农业大学 | 车联网中面向安全应用的联合功率和竞争窗口的自适应控制算法 |
CN111132077A (zh) * | 2020-02-25 | 2020-05-08 | 华南理工大学 | 车联网环境下基于d2d的多接入边缘计算任务卸载方法 |
-
2021
- 2021-04-20 CN CN202110422957.5A patent/CN113207085B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102387603A (zh) * | 2011-11-30 | 2012-03-21 | 电子科技大学 | 一种无线竞争接入退避方法 |
US20140297182A1 (en) * | 2013-03-29 | 2014-10-02 | Modular Mining Systems, Inc. | Contention avoidance |
CN105611570A (zh) * | 2015-12-20 | 2016-05-25 | 华南理工大学 | 基于信道状态判断的车载自组织网mac层退避方法 |
WO2019236714A1 (en) * | 2018-06-08 | 2019-12-12 | Intel Corporation | Management of preferred channel allocations between wireless communication bands |
CN108934081A (zh) * | 2018-06-15 | 2018-12-04 | 扬州大学 | 一种无线车载网信道接入方法 |
CN110691349A (zh) * | 2018-07-04 | 2020-01-14 | 青岛农业大学 | 车联网中面向安全应用的联合功率和竞争窗口的自适应控制算法 |
CN110647382A (zh) * | 2019-09-19 | 2020-01-03 | 中国科学院计算技术研究所 | 一种车联网服务动态迁移方法 |
CN111132077A (zh) * | 2020-02-25 | 2020-05-08 | 华南理工大学 | 车联网环境下基于d2d的多接入边缘计算任务卸载方法 |
Non-Patent Citations (3)
Title |
---|
SHAN WANG, BO YANG, FANGLIN GU: "Mobility-based backoff algorithm with optimal window for vehicular network access", 《2016 6TH INTERNATIONAL CONFERENCE ON ELECTRONICS INFORMATION AND EMERGENCY COMMUNICATION (ICEIEC)》 * |
杨博等: "基于速度与状态感知的车载网络接入退避算法", 《计算机工程与应用》 * |
董晓丹等: "车载云计算系统中资源分配的优化方法", 《中国电子科学研究院学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113891287A (zh) * | 2021-10-14 | 2022-01-04 | 江南大学 | 保证车联网中车辆信息年龄公平性的v2i接入方法及系统 |
CN113891287B (zh) * | 2021-10-14 | 2022-05-13 | 江南大学 | 保证车联网中车辆信息年龄公平性的v2i接入方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113207085B (zh) | 2022-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11218850B2 (en) | Adaptive early warning method based on vehicle-to-everything and apparatus thereof | |
US20230252895A1 (en) | Method, device and electronic equipment for vehicle cooperative decision-making and computer storage medium | |
CN110930697B (zh) | 一种基于规则的智能网联车辆协同汇入控制方法 | |
Wu et al. | Time-dependent performance modeling for platooning communications at intersection | |
CN108010307A (zh) | 车队控制 | |
CN111768612A (zh) | 基于c-v2x的车辆编队行驶策略控制方法 | |
CN115145281A (zh) | 复杂路口下基于多智能体联邦强化学习的车路协同控制系统及方法 | |
CN110260872B (zh) | 一种车路协同环境下基于gps的动态超车轨迹规划系统 | |
CN113207085B (zh) | 一种mec辅助的车队网络的速度自适应接入方法 | |
CN107094321B (zh) | 一种基于多智能体q学习的车载通信mac层信道接入方法 | |
CN110505601A (zh) | 一种车联网中基于车辆行驶态势场模型的信息发送频率优化方法 | |
Zeng et al. | Integrated communications and control co-design for wireless vehicular platoon systems | |
Facchina et al. | Speed based distributed congestion control scheme for vehicular networks | |
CN114979145A (zh) | 一种车联网中集成感知、通信与缓存的内容分发方法 | |
CN113160554B (zh) | 基于车联网的空地协同交通管理系统及方法 | |
CN113423087A (zh) | 面向车辆队列控制需求的无线资源分配方法 | |
CN107563026B (zh) | 一种基于干扰的二维车载网安全应用的分析方法 | |
CN111652345A (zh) | 基于空时联合优化的车队刹车控制方法 | |
Caruntu et al. | TrueTime testing of inter-vehicular communications for cooperative vehicles using distributed generalized predictive control | |
CN112073940B (zh) | 一种车载社交网络中汽车消息发送概率的设定方法和介质 | |
CN113326076B (zh) | 基于半马尔可夫决策过程车载雾辅助的车队任务卸载方法 | |
CN108712768B (zh) | 一种车联网中基于移动性与mac层竞争接入的路由选择方法 | |
Ding et al. | V2X and Deep Reinforcement Learning-Aided Mobility-Aware Lane Changing for Emergency Vehicle Preemption in Connected Autonomous Transport Systems | |
Wei et al. | Deep Reinforcement Learning Based Radio Resource Selection Approach for C-V2X Mode 4 in Cooperative Perception Scenario | |
CN116612636B (zh) | 基于多智能体强化学习的信号灯协同控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |